大脑活动受到高维数据的表示程度的影响:散射图诊断 (Scagnostics) 措施的EEG研究

科学领域:

• 人与计算机的交互
• 神经科学是一个神经科学.
• 数据可视化 数据可视化

背景情况:

• 多维数据可视化通常使用散射图矩阵 (SPLOM).
• 高维数据的分散图的二次增长压倒了人类的决策.
• Scagnostics提供了一种方法来提取突出的散布图特征,以便进行可管理的数据探索.

研究的目的:

• 在涉及scagnostics的决策任务中使用脑电图 (EEG) 调查大脑活动.
• 为了确定不同的Scagnostics测量如何影响神经激活模式.
• 确定哪些视觉数据措施最能支持人类决策.

主要方法:

• 参与者根据四个斯卡格诺斯蒂克指标分类的散射图做出决定:杂,单调,条纹和线性.
• 脑电图 (EEG) 在这些决策任务期间记录了大脑活动.
• 分析的重点是将神经激活与视觉区分难度的相关性.

主要成果:

• 更容易的视觉区分任务激活了叶的视觉感官皮层.
• 更困难的歧视任务招募了与模两可解决相关的头顶和额头区域.
• 对于不同的斯卡格诺斯蒂克测量方法,观察到不同的大脑激活模式.

结论:

• 神经活动模式可以预测特定的Scagnostics措施在帮助人类决策方面的有效性.
• 这些发现表明,认知负载,视觉区分困难和大脑区域激活之间存在联系.
• 脑电图可以作为理解人类对视觉数据分析感知的生物标志物.